采用組合特征法的極限學習機多手勢精準識別

來全寶，陶 慶，胡玉舸，孟慶豐

（新疆大學機械工程學院，新疆 烏魯木齊 830047）

1 引言

伴隨著我國老齡化人口的數目急劇增加，其中因中風導致的偏癱患者數量也是逐年遞增。根據臨床實踐，患者主動積極的參與康復訓練對受損神經系統功能康復有重要意義［1］，其中上肢手部的康性訓練，對于人體大腦皮層的影響效果是最大［2］。為了解決人工協助的手部康復訓練治療的，長期性、單一性。經過提取并解碼人體表面肌電信號（sEMG）將患者自身的訓練意圖表達出來，進而融入到上肢手部康復訓練器中，有宜于神經的重塑性，促進肢體的復健。手勢動作的精準識別是利用康復機器人訓練的首要條件，所以探究上肢手勢動作識別多樣性及準確性是十分必要的。

依據人體上肢運動方式的不同，對應運動肌肉產生的信號也會有所改變，故可提取某些特征量對肢體活動進行模式分類。雖然當前利用肌電信號對人體動作模式的識別已經取得了部分成果，但上肢手勢識別研究還不夠充分，較多研究集中于少量手勢動作的研究，如文獻［3］對握拳、伸五指、三指對捏、八字伸展4種手勢進行識別，識別率可達99.24%；文獻［4］運用神經網絡對5種手勢平均識別率達98.7%；文獻［5］運用GMM-HMM模型對手部6種動作進行識別準確率達99%等，均在較少手勢領域獲得較高的識別率。但隨著手部動作模式的增多，分類器的識別結果會有所下降［6］。而在多種手勢識別方面其識別效果有待提高，如文獻［7］對人體上肢八種動作平均識別率為（73.1～97.7）%；……